用折叠标签隐藏代码智能体生成的冗长 PR 描述

一句话结论

在 GitHub 提交合并请求时，使用 HTML 折叠标签将智能体生成的冗长描述折叠在摘要行下，可保持界面简洁并明确标识 AI 生成内容。

关键要点

• 在 GitHub Markdown 中嵌入 `<details><summary>` 标签，可将代码智能体生成的长篇描述折叠为单行标题，点击后展开。
• 提交者应在 PR 描述开头保留经过人工筛选的简短介绍段落或截图，将智能体生成的完整长文本包裹在折叠块内。
• 折叠块的摘要行（`<summary>` 内容）通常标注生成该描述的模型名称及努力等级，例如“Claude Opus 5.5 Medium”，以明确标识其为 AI 生成内容。
• 记忆标签嵌套顺序的助记符为“details-summary”，对应 `<details>` 标签包裹 `<summary>` 及正文内容的结构。
• 作者已向 GitHub 社区建议，在 Markdown 编辑器界面中添加对应快捷按钮，以便在不切换到代码编辑模式的情况下插入该标签组合。

背景与事实

Simon Willison 于 2026 年 11 月 9 日发表文章，针对当前代码智能体生成的合并请求（Pull Request，PR）描述过于详尽且占用大量屏幕空间的问题，提出使用 HTML 的 `<details>` 和 `<summary>` 元素进行视觉隐藏。这两个标签在 GitHub 的 Markdown 渲染引擎中受到支持，开发者可直接将其嵌入 PR 描述或 Issue 评论中，渲染结果表现为一个带有折叠箭头的标题行，用户点击后即可查看完整文本。

在实践该方案时，作者遵循了特定的排版规范：在 PR 描述的开头保留一段简短的、经人工筛选的介绍文字或界面截图，作为高层级解释，帮助审阅者快速理解改动核心；随后，将智能体自动生成的完整长文本包裹在 `<details>` 标签内。为了区分人类维护者与机器的贡献边界，`<summary>` 标签内的文本通常标注具体模型名称及计算资源投入等级，例如“Claude Opus 5.5 Medium”。这一做法既保证了关键信息在首屏可见，又避免了未经过滤的 AI 输出干扰阅读体验。

文章列举了五个在实际项目中应用该方法的具体案例。在 Datasette 项目中，PR 第 3052 号将数据行页面重新设计为垂直字段列表，以解决包含 46 列等宽表格在屏幕上的横向滚动问题；PR 第 3043 号添加分页栏以显示当前页的行号，并在页面顶部和底部提供导航功能；PR 第 3042 号通过引入小型加载器，实现约 220KB 的 edit-tools.js 文件的按需加载，该文件仅在具备编辑权限的用户首次发生交互时才被加载，避免了在所有表格、行及数据库页面的无条件加载。

在 Datasette-Agent 项目中，PR 第 51 号新增了一个名为 `register_agent_reference_types(datasette)` 的插件钩子，允许开发者在聊天组件的标签（tagging）功能中添加自定义项类型。在 LLM 项目中，PR 第 1838 号添加了针对 `llm openai` 端点的 add、list、remove 及 path 命令行操作，支持通过命令行直接管理 extra-openai-models.yaml 文件中的 OpenAI 兼容端点记录，替代了传统的手动编辑 YAML 文件的方式。

影响分析

对于中文开发者而言，这一排版约定提供了一种低成本、高兼容性的界面治理方案，有效应对代码智能体普及后带来的“信息噪音”问题。开发者在使用 Copilot、Claude 或其他代码智能体辅助生成 PR 描述时，无需依赖各平台原生的复杂富文本编辑功能，仅通过基础 HTML 标签即可实现对 AI 生成内容的视觉降级与隔离，降低了跨平台协作时的沟通成本。

明确在摘要行标注模型名称与努力等级（如 Claude Opus 5.5 Medium），有助于建立透明的 AI 协作边界。在代码审查（Code Review）场景中，审阅者可以快速识别哪些部分是经过人类验证的核心摘要，哪些部分是未经人工筛选的 AI 长文本。这种结构化组织使得维护者能够更专注地审查经过人工确认的逻辑变更，而将 AI 生成的冗余解释作为辅助参考，从而提升整体研发流程的效率与代码质量把控能力。

适用边界

该折叠排版方案的有效性严格依赖于特定平台的 Markdown 渲染能力。此结论不适用于不支持 HTML 标签渲染的代码托管平台或文档系统，在纯文本编辑器或仅支持标准 Markdown 语法的场景下，用户只能看到原始的标签代码，无法实现折叠交互。

此外，将关键业务逻辑和测试用例描述全部折叠在 AI 生成的长文本内，不适用于要求所有细节均须在首屏高亮展示的合规性代码审查场景。若 PR 涉及极其复杂的架构重构且缺乏经过人工验证的高层级摘要段落，直接采用此方法会导致核心变更意图被隐藏，增加非核心开发人员的理解门槛。

孤本观察

基于本文事实可以判断，将 AI 生成内容的标识信息（模型名称与努力等级）与折叠交互结构相结合，实际上是在开发者工具界面中建立了一种新型的“数字信息分层过滤”机制。这种机制将 AI 从“主导信息输出方”降级为“可折叠的辅助参考”，反映了开发者社区在应对 AI 代码生成泛滥时，试图通过 UI 交互而非纯文本排版来重新夺回代码审查注意力的编辑判断。

来源：Simon Willison